Customer Experiences with Contact Center AI

Il s'agit d'un cours de niveau débutant à intermédiaire, destiné aux apprenants ayant les rôles types suivants :

• Concepteurs conversationnels : conçoit l'expérience utilisateur d'un assistant virtuel. Traduit les exigences commerciales de la marque en flux de dialogue naturels.
• Développeurs citoyens : crée de nouvelles applications métier destinées à être utilisées par d'autres utilisateurs à l'aide d'environnements de développement et d'exécution de haut niveau.
• Développeurs de logiciels : codent des logiciels informatiques dans un langage de programmation (par exemple, C++, Python, Javascript) et utilisent souvent un SDK/API.

• Définir ce qu’est l’intelligence artificielle de Google Contact Center.
• Expliquer comment Dialogflow peut être utilisé dans les applications de centre de contacts.
• Décrire comment la compréhension du langage naturel (NLU) est utilisée pour activer les conversations Dialogflow.
• Implémenter un agent virtuel de chat.
• Implémenter un agent virtuel vocal.
• Décrire les options pour stocker les paramètres et répondre aux demandes des utilisateurs.
• Déployer un agent virtuel en production.
• Identifier les meilleures pratiques pour la conception et le déploiement d’agents virtuels.
• Identifier les aspects clés, tels que la sécurité et la conformité dans le contexte des centres de contact.

Module 1 : Présentation de Contact Center AI

• Définir ce qu’est l’IA du centre de contact (CCAI) et ce qu’elle peut faire pour les centres de contact.
• Identifier chaque composant de l’architecture CCAI: reconnaissance vocale, Dialogflow, Synthèse vocale, aide aux agents et perspectives.
• Décrire le rôle que joue chaque composant dans une solution CCAI.
• Quiz - Contact Center AI fundamentals

Module 2 : Expériences conversationnelles

• Énumérer les principes de base d’une expérience conversationnelle.
• Expliquer le rôle des agents virtuels de conversation dans une expérience de conversation.
• Articuler comment STT (speech to text) peut déterminer la qualité d’une conversation expérience.
• Démontrer et tester comment l’adaptation vocale peut améliorer la reconnaissance vocale l’exactitude de l’agent.
• Reconnaître les différentes NLU (compréhension du langage naturel) et PNL (traitement du langage naturel) et le rôle qu’elles jouent dans la conversation sur les expériences.
• Expliquer les différents éléments d’une conversation (intentions, entités, etc.).
• Utiliser l’analyse des sentiments pour vous aider à obtenir une qualité supérieure expérience de conversation.
• Améliorer les expériences de conversation en choisissant différentes voix TTS (Wavenet vs Standard).
• Modifier la vitesse et la hauteur d’une voix synthétisée.
• Décrire comment tirer parti de SSML pour modifier le ton et l’accentuation d’une synthèse passage.
• Quiz - Expériences conversationnelles

Module 3 : Principes de base de la création de conversations avec Dialogflow

• Identifier les rôles des utilisateurs et leurs parcours.
• Ecrire des personas pour les agents virtuels et les utilisateurs.
• Modéliser les interactions utilisateur-agent.
• Répertorier les éléments de base de l’interface utilisateur de Dialogflow.
• Créer un agent virtuel pour gérer les parcours des utilisateurs identifiés.
• Entraîner le modèle NLU via la console Dialogflow.
• Définir et tester les intentions d’un agent de base.
• Former l’agent à gérer les scénarios utilisateur attendus et inattendus.
• Reconnaître les différents types d’entités et quand les utiliser.
• Créer des entités.
• Définir et tester des entités sur un agent de base.
• Implémenter le remplissage des emplacements à l’aide de l’interface utilisateur de Dialogflow.
• Décrire quand Mega Agent peut être utilisé.
• Montrer comment ajouter un accès à une base de connaissances pour votre agent virtuel pour répondre aux questions des clients directement à partir d’une FAQ d’entreprise
• Quiz - Principes fondamentaux de DF: intentions et entités
• Lab - Principes de base de DF: créer un agent de conversation virtuel de base qui utilise des intentions et entités
• Lab - Création d’un connecteur de base de connaissances

Module 4 : Maintenir le contexte dans une conversation

• Créer des intentions de suivi.
• Reconnaître les scénarios dans lesquels le contexte doit être utilisé.
• Identifier les statuts possibles d’un contexte (contexte actif ou inactif).
• Implémenter des dialogues en utilisant des contextes d’entrée et de sortie.
• Quiz - Contexte
• Lab - Contexte: ajouter à votre agent de chat virtuel en utilisant des contextes d’entrée et de sortie pour mapper des scénarios conversationnels plus complexes

Module 5 : Passer de l’agent de chat à l’agent vocal

• Décrire deux façons qui font que le type de média modifie la conversation
• Configurer la passerelle de téléphonie pour les tests
• Tester un agent vocal de base
• Modifier la voix de l’agent
• Montrer comment les différents types de médias peuvent avoir des réponses différentes
• Tenir compte des modifications nécessaires lors du passage à la production
• Être conscient de l’intégration de la téléphonie pour la voix dans un environnement de production
• Quiz - Chat vs agent vocal.
• Lab - Agent vocal: ajoutez de la voix à votre agent virtuel.

Module 6 : Agir avec satisfaction

• Définir le rôle de la réalisation par rapport à l’IA du centre de contact.
• Caractériser ce qui doit être collecté pour répondre à une demande.
• Identifier les systèmes backend existants sur l’infrastructure client.
• Utiliser Firestore pour stocker les mappages renvoyés par les fonctions.
• Savoir que l’interaction avec le stockage des données des clients varie en fonction sur leurs entrepôts de données.
• Mettre en œuvre l’exécution à l’aide de Cloud Functions.
• Mettre en œuvre l’exécution en utilisant Python sur AppEngine.
• Décrire l’utilisation d’Apigee pour le déploiement d’applications.
• Quiz - Réalisation
• Lab - Fulfillment: Utilisation des fonctions cloud pour conserver et interroger les données d’une base de données

Module 7 : Test et journalisation

• Déboguer un agent virtuel en testant la précision de l’intention.
• Accomplir le débogage en testant les différentes fonctions et intégrations avec le backend systèmes via des appels API.
• Implémenter le contrôle de version pour obtenir une collaboration plus évolutive.
• Enregistrer les conversations à l’aide de Cloud Logging.
• Reconnaître les façons dont les audits peuvent être effectués.
• Quiz - Test et journalisation
• Lab - Journalisation: utilisez Cloud Logging pour déboguer le code de votre agent virtuel

Module 8 : Assistance intelligente pour les agents en direct

• Reconnaitre les cas d’utilisation dans lesquels Agent Assist ajoute de la valeur.
• Identifier, collecter et organiser des documents pour la construction de la base de connaissances.
• Mettre en place des bases de connaissances.
• Décrire le fonctionnement de FAQ Assist.
• Décrire le fonctionnement de Document Assist.
• Décrire le fonctionnement de l’interface utilisateur d’Agent Assist.
• Décrire le fonctionnement de Dialogflow Assist.
• Décrire le fonctionnement de Smart Reply.
• Décrire le fonctionnement de l’extraction d’entités en temps réel.
• Quiz - Aider les agents à améliorer l’expérience client avec des bases de connaissances, réponses intelligentes et assistance documentaire

Module 9 : Dessin d’insights à partir d’enregistrements

• Analysez les enregistrements audio à l’aide du Speech Analytics Framework (SAF).
• Lab: utiliser Speech Analytics Framework pour tirer des informations à partir des journaux du centre de contact

Module 10 : Intégration d’un agent virtuel avec des tiers

• Utiliser l’API Dialogflow pour créer et modifier par programme l’agent virtuel.
• Décrire les protocoles de connectivité: gRPC, REST, points de terminaison SIP et numéros de téléphone sur PSTN.
• Remplacer la détection d’intention de tête existante sur les IVR par des intentions de Dialogflow.
• Décrire l’intégration de l’agent virtuel avec l’Assistant Google.
• Décriver l’intégration de l’agent virtuel avec les plates-formes de messagerie.
• Décrire l’intégration de l’agent virtuel avec les plates-formes CRM (comme Salesforce et Zendesk).
• Décrire l’intégration de l’agent virtuel avec les plates-formes de communication d’entreprise (comme Genesys, Avaya, Cisco et Twilio).
• Expliquer la capacité des fournisseurs de téléphonie d’identifier l’appelant et comment cela peut modifier la conception de l’agent.
• Incorporer les fonctionnalités IVR dans l’agent virtuel.
• Quiz - IVR Features
• Quiz - Common platforms of integration
• Quiz - Contact Center AI integration points

Module 11 : Gestion de l’environnement

• Créer des versions brouillon et publiée de votre agent virtuel.
• Créer des environnements dans lesquels votre agent virtuel sera publié.
• Charger une version enregistrée de votre agent virtuel dans Draft.
• Changer la version chargée dans un environnement.
• Quiz - Gestion de l’environnement
• Travaux pratiques - Utilisez la fonction de gestion de l’environnement de Dialogflow pour déployer une version provisoire de votre agent virtuel dans un nouvel environnement

Module 12 : Méthodes de conformité aux réglementations fédérales

• Décrire deux façons dont la sécurité peut être mise en œuvre sur un centre de contacts Intégration IA.
• Identifier les mesures de conformité actuelles et les scénarios où la conformité est nécessaire.
• Quiz - Audit

Module 13 : Meilleures pratiques pour les agents virtuels

• Convertir la correspondance de modèles et les arbres de décision en conception conversationnelle intelligente.
• Reconnaître les situations qui nécessitent une escalade vers un agent humain.
• Prendre en charge plusieurs plates-formes, appareils, langues et dialectes.
• Utiliser les analyses intégrées de Diagflow pour évaluer l’intégrité de l’agent virtuel.
• Effectuer la validation de l’agent via l’interface utilisateur de Dialogflow.
• Surveiller les conversations et Agent Assist.
• Instaurer un DevOps et un cadre de contrôle de version pour le développement d’agents et entretien.
• Penser à activer la correction orthographique pour augmenter la précision de l’agent virtuel.
• Quiz - Best practices

Module 14 : Méthodologie de mise en œuvre de Google (partenaires uniquement)

• Identifier les étapes de la méthodologie de mise en œuvre de Google.
• Énumérer les activités clés de chaque étape de mise en œuvre.
• Reconnaitre comment utiliser les ressources d’assistance de Google pour les partenaires.

• Avoir suivi un des cours Google Cloud fundamentals ou avoir une expérience équivalente
• Il est également souhaitable (mais pas obligatoire) d'avoir la connaissance d’un langage de programmation tel que Python ou JavaScript

Support de cours officiel fourni aux participants